（近）红外光谱法在药物分析中的基础与应用研究

摘要

近红外光谱(Near Infrarea Spectroscopy,简称NIRS)是反映分子中C-H、N-H、O-H基团基频振动的倍频吸收与合频吸收。近红外光谱分析技术具有分析速度快、无损、样品不需预处理、无浪费、无污染、可同时测定多种成分和指标及实时监控等众多优势。随着化学计量学的发展近红外光谱分析法也得到了极大的促进和发展,在农业、化工、食品等领域得到了越来越广泛的应用。近红外光谱分析法的主要运用方式：建立模型-验证模型-应用模型-维护模型。“建模”方式有很多应用上的优势,但是也有许多限制条件,如要有大量的样品来建立“校正样品集”,用标准方法测定样品物化性质等。当“建模”的条件不能满足时,就不能采用传统意义上的“建模”方式进行样品分析。 第一部分新建了一种无需“校正集”的近红外光谱定量方法。从待测化合物与混合物各一张近红外光谱入手,根据曲线之间相似性比较的原理提出“相似区间最小值法”,即通过求导、差谱、相似性计算等手段筛选出混合物与待测化合物吸收最相似的区间,然后进行统计意义上的定量分析。样品有两部分：(1)近红外光谱来自于W.Windig课题组,选取三个组分：1二氯甲烷；2二氯丙烷；3丙酮。用三个组分的原始光谱模拟三个混合物作为模拟样品；选取三个实际样品作为待测样品；(2)选用六种溶剂,分成两组,分别是：丙酮、乙腈、乙醚为一组,环已烷、石油醚、氯仿为-组。六种溶剂按一定比例用近红外光谱仪自带的OPUS软件数字模拟样品。样品(1)的平均回收率为100.9％,RSD=6.1％(n=9)。样品(2)除乙醚组分较差外,其它组分平均回收率为93.5％,RSD=5.6％(n=5)。相似区间最小值法不需“校正集”,可得到较满意的定量分析结果,为近红外定量分析技术提供了一种新的可能,具有良好的应用前景。 第二部分作为无校正集方法的一种延续,将这种思路用于课题组创建的局部直线筛选法(LSLS)的改进,从而拓展至红外光谱应用于中药掺杂化学药物分析。局部直线筛选法是根据待检中药与掺杂化合物光谱特征的差异性,在单张化合物红外光谱与单张中药红外光谱的基础上,对中药中是否添加化学合成药进行定性和定量分析的一种新方法。虽然局部直线筛选法能够获得一部分比较合理的结果,仍存在一定的错判、漏判和可疑结果。针对以上的问题,本文通过以下几种措施：(1)插值处理,在不增加仪器噪音的情况下能够合理增加光谱的密度；(2)二阶导数法,一种常见的,效果非常好的光谱预处理方法,它不仅能够去除空白噪音和基线分离等干扰因素,还能够使光谱的信息特征细节化,放大化。经过二阶导数法处理过的光谱具有加和性和线性等数学特征；(3)计算区域的改变,由3点扩展到7点,这样计算区域能够代表整个峰的特征和表现出整个化合物特征。这些改进措施使得改进后LSLS算法(命名为M-LSLS算法)更加的准确和稳定。算法以5个化合物(西布曲明、氛氟拉明、西地那非、洛伐他定和甲基多巴)和40个中药样品为分析对象,以LC-MS的分析结果为验证依据。M-LSLS算法的正确判断率由改进前的30上升到36,24个阴性样品中假阴性率由5下降到1,16个阳性样品中假阳性率由5下降到3。经过改进之后的M-LSLS算法更加适合于做为一种鉴别检测中药中是否添加了可疑化学合成药的初步筛选手段。 第三部分采用近红外光谱建模方式对替加氟(FT-207)微乳制剂进行定量分析。卵磷脂、乙醇、超纯水与异丙基豆蔻酸酯(IPM)制成空白微乳,卵磷脂、乙醇、超纯水与IPM,加入一定量的FT-207,得FT-207含药微乳。空白微乳的校正方程参数R2(％)：水,99.59;卵磷脂,99.26;乙醇,98.83;IPM,99.91。RMSECV(P)：水,0.424;卵磷脂,0.794;乙醇,0.820;IPM,0.490。FT-207含药微乳的校正方程参数R2(％)：水,99.75;卵磷脂,98.37;乙醇,98.97;IPM,99.93;FT-207,75.74。RMSECV(P)：水,0.359;卵磷脂,1.107;乙醇,0.767;IPM,0.426;FT-207,2.43E-5。回收率均在95％～105％之内。建模方式是近红外光谱应用的经典方式,替加氟微乳制剂的良好分析结果再一次验证了近红外光谱在药物制剂分析中应用的优势。 本文通过三个方面的研究探索,分别新建了相似区间最小值法,改进了局部直线筛选法,分析了多个样品体系(中药掺杂化学药物体系、药物制剂体系、混合溶剂体系等)并以传统建模方法、LC-MS方法进行了验证,均取得了预期结果。

目录

声明

摘要

前言

第一章近红外光谱无校正集分析法的建立

第一节近红外光谱建模分析法简介

一建模分析过程简介

二模型分析法所需条件

三药物分析中的实际情况

第二节无校正集分析法

一 方法原理

二材料和方法

三结果

四讨论

本章小结

第二章M-LSLS算法-红外光谱LSLS算法的改进

第一节LSLS算法简介

一原理

二参数选择

三结果

四 讨论

第二节M-LSLS算法

一原理

二实验部分

三结果与讨论

本章小结

第三章替加氟微乳的定量分析

一材料与仪器

二实验方法

三结果

四 讨论

本章小结

总 结

在读期间发表论文

参考文献

致谢